项目名称: 泛在网络环境下用户兴趣建模与移动推荐方法研究

项目编号: No.61472132

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 自动化技术、计算机技术

项目作者: 陈浩

作者单位: 湖南大学

项目金额: 83万元

中文摘要: 传统推荐难以满足泛在网络环境下不同情境、不同位置、不同目的及不同时期的个性化推荐需求。为提升推荐质量及效率,本研究首先探寻上下文情境与用户兴趣迁移之间的内在关联与定量表达方法,构建融合移动情境、用户偏好、行为轨迹及移动社交网络的多维度用户兴趣模型;然后,通过分离空间位置与拓扑属性集,揭示用户兴趣模型与推荐项目之间的多元拓扑关联与时空混合索引存储结构;随后,将移动上下文分为内层稳定偏好与外层机遇兴趣,设计基于情境感知的移动上下文启发式搜索算法;结合商品森林分类体系设计基于情感语义的智能推荐算法;采用卡尔曼滤波方法对非平稳随机过程所汇集结果集进行时间域优先快速过滤;最后,设计推荐效用评价模型对所提模型与算法的有效性进行分析与验证。本课题的研究将为泛在网络环境下的用户兴趣建模与情境感知推荐研究提供新思路与研究参考。

中文关键词: 泛在网络;用户兴趣建模;移动计算;移动推荐

英文摘要: Under the ubiquitous network environment, traditional recommendation is difficult to meet the requirement of personal recommendation for users in different situations, different locations, different purposes and different time. In order to enhance the quality and efficiency of personalized recommendation, this study first explores the inherent relationship and quantitative expression method between user interest drift and context scenarios. We construct a multi-dimensional user interest model which merges mobile scenarios, user preferences, behavior trajectory and mobile social network. Next, we reveal the multiple topology relation and temporal hybrid index storage structure of user interest model and recommendation project through the separating of spatial position and topological property set. Then, the mobile context is divided into inner stability preferences and outer opportunity interest. On this background, a mobile context heuristic search algorithm based on context-awareness is proposed, and an intelligent recommendation algorithm based on emotional semantic which integrates item forest classification system is also presented; We adopt the Kalman filtering method to fast filter the result sets of collection of non-stationary random process based on temporal priority. Finally, a recommendation effectiveness evaluation model is designed to analyse and verify the model and algorithm. Our research findings will contribute novel ideas and research reference to the study of user interest model and context-awareness recommendation.

英文关键词: Ubiquitous Network;User Interest Modeling;Mobile Computing;Mobile Recommendation

成为VIP会员查看完整内容
0

相关内容

专知会员服务
16+阅读 · 2021年9月18日
个性化广告推荐系统及其应用研究
专知会员服务
94+阅读 · 2021年2月27日
【USTC】对话推荐系统的进展和挑战:综述论文,30页pdf
专知会员服务
21+阅读 · 2021年1月27日
专知会员服务
51+阅读 · 2020年12月19日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
WWW2022@快手 | 基于解耦长短期兴趣的序列推荐
机器学习与推荐算法
0+阅读 · 2022年3月8日
一文总结多样化推荐研究趋势
机器学习与推荐算法
0+阅读 · 2021年11月17日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
厦大最新《强化学习推荐系统》综述论文
机器学习与推荐算法
7+阅读 · 2021年9月24日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
Automated Data Augmentations for Graph Classification
Arxiv
0+阅读 · 2022年4月14日
Arxiv
92+阅读 · 2020年2月28日
Arxiv
14+阅读 · 2018年4月18日
Arxiv
12+阅读 · 2018年1月28日
小贴士
相关VIP内容
专知会员服务
16+阅读 · 2021年9月18日
个性化广告推荐系统及其应用研究
专知会员服务
94+阅读 · 2021年2月27日
【USTC】对话推荐系统的进展和挑战:综述论文,30页pdf
专知会员服务
21+阅读 · 2021年1月27日
专知会员服务
51+阅读 · 2020年12月19日
应用知识图谱的推荐方法与系统
专知会员服务
115+阅读 · 2020年11月23日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
相关资讯
WWW2022@快手 | 基于解耦长短期兴趣的序列推荐
机器学习与推荐算法
0+阅读 · 2022年3月8日
一文总结多样化推荐研究趋势
机器学习与推荐算法
0+阅读 · 2021年11月17日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
厦大最新《强化学习推荐系统》综述论文
机器学习与推荐算法
7+阅读 · 2021年9月24日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员